論文の概要: Towards Process Mining Use Case Map Models with PM4Py-UCM
- arxiv url: http://arxiv.org/abs/2606.04350v1
- Date: Wed, 03 Jun 2026 02:07:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.47151
- Title: Towards Process Mining Use Case Map Models with PM4Py-UCM
- Title（参考訳）: PM4Py-UCMを用いたプロセスマイニングユースケースマップモデルの構築
- Authors: Daniel Amyot,
- Abstract要約: 本稿では、既存のPM4Py Pythonライブラリのオープンソース拡張であるPM4Py-UCMをコントリビュートし、解説する。
ユースケースマップ(UCM)モデルを、プロセス発見の第一級出力であるITU-TのUser Requirements Notation(URN)から作成することを目的としている。
- 参考スコア（独自算出の注目度）: 1.3660182208844809
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Given the increasing amount of data available in organizational systems, there is an opportunity for early requirements engineering (RE) activities to be better based on evidence than ever before. Process mining (PM) has been used for over two decades to discover and analyze as-is process models from event logs extracted from such data, with outputs often in the form of Petri Nets, directly-follows graphs, or BPMN models. This paper aims to make Use Case Map (UCM) models, from ITU-T's User Requirements Notation (URN), a first-class output of process discovery, so that mined behavior can be used in URN-based modeling, analysis, and management activities. This paper contributes and illustrates PM4Py-UCM, an open-source extension to the existing PM4Py Python library. This new tool contributes 1) a UCM discovery pipeline, 2) hierarchical decomposition strategies producing nested UCM models, 3) configurable performer mappings for UCM and BPMN visualizations, and 4) an exporter to a URN tool (jUCMNav) that preserves the mined model under round-trip. Using public and synthetic event logs, the paper showcases how the same behavior is rendered under different performer abstractions and decomposition strategies, and discusses how PM can become a practical instrument for model-driven RE.
- Abstract（参考訳）: 組織システムで利用可能なデータ量の増加を考えると、早期要件エンジニアリング(RE)活動は、これまで以上に証拠に基づいて改善される可能性がある。
プロセスマイニング(PM)は20年以上にわたって、このようなデータから抽出されたイベントログからas-isプロセスモデルを発見し分析するために使われてきました。
プロセス発見の第一級出力である ITU-T の User Requirements Notation (URN) からユースケースマップ (UCM) モデルを作成することを目的とする。
本稿では、既存のPM4Py Pythonライブラリのオープンソース拡張であるPM4Py-UCMをコントリビュートし、解説する。
この新しいツールが貢献する
1) UCM 発見パイプライン。
2)ネスト型UCMモデルを生成する階層的分解戦略。
3)UCMおよびBPMN視覚化のための構成可能なパフォーマーマッピング、および
4) ラウンドトリップで採掘されたモデルを保存するURNツール(jUCMNav)への輸出者。
公開イベントログと合成イベントログを用いて、異なるパフォーマーの抽象化と分解戦略の下で、同じ振る舞いがどのようにレンダリングされるかを示し、PMがモデル駆動型REの実践的な手段となる方法について論じる。
関連論文リスト
- Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。
この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。
モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
論文 参考訳（メタデータ） (2025-07-11T07:25:55Z) - Beyond Formal Semantics for Capabilities and Skills: Model Context Protocol in Manufacturing [0.12289361708127876]
最近導入されたモデルコンテキストプロトコル(MCP)に基づく代替手法を提案する。
MCPは、LLMベースのエージェントによって直接消費可能な標準化されたインタフェースを通じて機能を公開できる。
論文 参考訳（メタデータ） (2025-06-12T13:02:16Z) - MiniCPM4: Ultra-Efficient LLMs on End Devices [126.22958722174583]
MiniCPM4は、エンドサイドデバイス向けに明示的に設計された高効率な大規模言語モデル(LLM)である。
この効率性は、モデルアーキテクチャ、トレーニングデータ、トレーニングアルゴリズム、推論システムという4つの重要な側面において、体系的な革新を通じて達成します。
論文 参考訳（メタデータ） (2025-06-09T16:16:50Z) - GenPRM: Scaling Test-Time Compute of Process Reward Models via Generative Reasoning [35.429904556288996]
我々は、コード検証を伴う明示的なChain-of-Thought(CoT)推論を行う生成プロセス報酬モデルGenPRMを紹介する。
実験の結果,GenPRMはMATHデータセットから23Kのトレーニングデータしか得られず,従来のPRMよりも有意に優れていた。
論文 参考訳（メタデータ） (2025-04-01T15:21:05Z) - Predictive Modeling: BIM Command Recommendation Based on Large-scale Usage Logs [0.7499722271664147]
本稿では,ユーザの過去のインタラクションに基づいて,リアルタイムに最適な次のアクションを予測するBIMコマンドレコメンデーションフレームワークを提案する。
我々のモデルは、もともと大きな言語モデルのために開発された最先端のTransformerバックボーンの上に構築されている。
次のコマンドのレコメンデーションを生成すると、約84%のRecall@10が得られます。
論文 参考訳（メタデータ） (2025-02-23T11:47:57Z) - Multimodal Structured Generation: CVPR's 2nd MMFM Challenge Technical Report [0.0]
マルチモーダル・ファンデーション・モデル (MMFM) はコンピュータビジョンと自然言語処理の両方において強力な性能を示している。
我々は,MMFMに厳密な構造化形式で出力を出力させる(凍結)フレームワークであるMultimodal Structured Generationを提案する。
CVPR 2nd MMFM Challengeにおいて,本手法の有効性を示す。
論文 参考訳（メタデータ） (2024-06-17T10:45:47Z) - Zero-shot Composed Text-Image Retrieval [72.43790281036584]
合成画像検索(CIR)の問題点を考察する。
テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
論文 参考訳（メタデータ） (2023-06-12T17:56:01Z) - Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
予測可能なMDP抽象化(PMA)を提案する。
元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。
我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
論文 参考訳（メタデータ） (2023-02-08T07:37:51Z) - Self-Supervised Log Parsing [59.04636530383049]
大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。
既存のアプローチは、ログ特化や手動ルール抽出に依存している。
本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
論文 参考訳（メタデータ） (2020-03-17T19:25:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。